پیش بینی ریسک های مالی با استفاده از توزیع هایی با کشیدگی بالا

پیش بینی ریسک های مالی و روش های اندازه گیری ریسک در دو دهه ی اخیر به موضوعی مورد علاقه برای اشخاص و موسسات مالی تبدیل شده است. ارزش در معرض خطر و ریزش مورد انتظار از معیارهای متداول برای اندازه گیری ریسک بازار هستند. در این پایان نامه، به پیش بینی این دو اندازه ریسک می پردازیم. برای این منظور از روش پارامتری استفاده می کنیم که فرض می کند بازدهی دارایی ها توزیع خاصی دارند و پارامترهای توزیع با استفاده از داده های تاریخی تخمین زده می شوند. برای مدل بندی نوسانات مدل های ریسک سنجی، gjr-garch و st-garch را در نظر گرفته و پارامترهای مدل با استفاده از الگوریتم متروپولیس-هستینگ تخمین زده می شوند. اما برای مدل بندی بازدهی ها از توزیع های دُم کلفت مانند: تی، تی چوله، لاپلاس نامتقارن و وایبل دوطرفه استفاده خواهد شد. برای مقایسه ی عملکرد این مدل ها، بازدهی روزانه شامل چهار شاخص بازار سهام و دو سری نرخ ارز در یک دوره ی پیش بینی دو ساله که شامل بحران مالی اخیر نیز است را به کار گرفته و با استفاده از داده های تاریخی به برآورد ارزش در معرض خطر و ریزش مورد انتظار می پردازیم. در پایان نیز با روش های پیش آزمایی، اعتبارسنجی مدل انجام شد. با مقایسه ی کارایی مدل ها مشاهده شد که توزیع های دُم کلفت نسبت به توزیع نرمال نتایج بهتری را در هر دو سطح اطمینان alpha = 0.01,0.05 ارائه می دهند. در برآورد ارزش در معرض خطر و ریزش مورد انتظار، نتایج بدست آمده بیانگر اهمیت توجه به پهن بودن دنباله ی توزیع داده ها نسبت به انتخاب مدل تلاطم است. keywords{ارزش در معرض خطر، پیش آزمایی، توزیع وایبل دوطرفه، توزیع لاپلاس نامتقارن، ریزش مورد انتظار. }